针对车联网环境下用户通信质量下降以及频谱资源紧张导致车辆与车辆(vehicle to vehicle,V2V)链路的关键信息传输难以满足高可靠性通信需求的问题,提出了一种基于深度强化学习(deep reinforcement learning,DRL)的高可靠资源分配算法。...针对车联网环境下用户通信质量下降以及频谱资源紧张导致车辆与车辆(vehicle to vehicle,V2V)链路的关键信息传输难以满足高可靠性通信需求的问题,提出了一种基于深度强化学习(deep reinforcement learning,DRL)的高可靠资源分配算法。考虑干扰、传输时延和有效传输概率等约束条件,构建了车联网的可靠性保障优化问题;为了进一步保障V2V链路关键信息传输的可靠性,设计了压缩网络来压缩环境状态信息;根据可靠性保障优化问题设计了相应的奖励函数,并基于双深度Q网络(double deep Q-network,DDQN)设计了一种智能资源分配策略。仿真结果表明,所提算法能有效提高车联网的总速率,实现V2V链路关键信息的高可靠传输。展开更多
精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零...精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零陷设计思路给出适合低信噪比条件下的最小范数强干扰抑制方法,抑制直达波和静物回波多径干扰信号,检测接收移动目标反射波;同时,为了克服隧道内的纳秒级密集多径和背景噪声,提出基于互高阶谱的RMCHS参数估计算法(Root Min-norm based on Cross High-order Specture,RMCHS),在低信噪比条件下进行高分辨率的TOA/DOA参数估计,从而实现基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和纳秒级密集多径对算法性能的影响。展开更多
文摘针对车联网环境下用户通信质量下降以及频谱资源紧张导致车辆与车辆(vehicle to vehicle,V2V)链路的关键信息传输难以满足高可靠性通信需求的问题,提出了一种基于深度强化学习(deep reinforcement learning,DRL)的高可靠资源分配算法。考虑干扰、传输时延和有效传输概率等约束条件,构建了车联网的可靠性保障优化问题;为了进一步保障V2V链路关键信息传输的可靠性,设计了压缩网络来压缩环境状态信息;根据可靠性保障优化问题设计了相应的奖励函数,并基于双深度Q网络(double deep Q-network,DDQN)设计了一种智能资源分配策略。仿真结果表明,所提算法能有效提高车联网的总速率,实现V2V链路关键信息的高可靠传输。
文摘精确无源移动目标定位是隧道、矿井巷道等复杂地下空间人员安全、灾后及时施救的关键技术之一。提出一种基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位方法。鉴于隧道巷道内静物回波信号的多径较多且衰落严重,基于特征值分解的零陷设计思路给出适合低信噪比条件下的最小范数强干扰抑制方法,抑制直达波和静物回波多径干扰信号,检测接收移动目标反射波;同时,为了克服隧道内的纳秒级密集多径和背景噪声,提出基于互高阶谱的RMCHS参数估计算法(Root Min-norm based on Cross High-order Specture,RMCHS),在低信噪比条件下进行高分辨率的TOA/DOA参数估计,从而实现基于TOA/DOA参数估计的隧道高分辨率无源移动目标定位。仿真实验表明,提出的强干扰抑制方法和RMCHS算法在隧道/巷道环境下有很强的鲁棒性,显著优于比较算法,减小了噪声和纳秒级密集多径对算法性能的影响。
基金Financial support for this work,provided by the National Natural Science Foundation of China(No.50904070)the Science and Technology Foundation of China University of Mining & Technology (Nos.2007A046 and 2008A042)the Joint Production and Research Innovation Project of Jiangsu Province (No.BY2009114)